Оттавагийн Анагаах Ухааны Их Сургуулийн доктор Марк Уолкерын удирдсан шинэ нотлох баримт судалгаанд судлаачид хиймэл оюун ухаанд суурилсан өвөрмөц гүнзгий сургалтын загварыг хэт авианы дүрсийг хурдан бөгөөд үнэн зөв уншихад туслах зорилгоор анхлан нэвтрүүлж байна.
Эмнэлгийн зургийг тайлбарлах, өвчнийг илрүүлэхэд гүн гүнзгий суралцах загварууд улам бүр түгээмэл болж байгаа ч эх барихын хэт авианы шинжилгээнд хэрхэн үр дүнтэй болохыг олж мэдэх нь анхан шатандаа байгаа учраас энэ нь шинэлэг ажил юм. Энэ чиглэлээр нийтлэгдсэн хиймэл оюун ухааны судалгаа маш бага байдаг.
Багийн судалгааны зорилго нь бие давхар эхний гурван сарын хэт авианы шинжилгээнээс цистик усны хавдрыг эрт, найдвартай тодорхойлоход туслах гүн гүнзгий суралцах архитектурын чадавхыг харуулах явдал байв. Цистик усны хавдар нь лимфийн судасны хэвийн бус хөгжилд хүргэдэг үр хөврөлийн өвчин юм. Энэ бол толгой, хүзүүний эргэн тойронд хавдах шалтгаан болдог ховор бөгөөд амь насанд аюул учруулж болзошгүй эмгэг юм.
Төрөхийн өмнөх хэт авианы шинжилгээгээр ургийн гажиг нь ихэвчлэн амархан оношлогддог ч Доктор Уолкер болон түүний судалгааны баг хиймэл оюун ухаанд тулгуурласан хэв маягийг ашиглах нь энэ ажлыг хэр сайн үр дүнд хүрч байгааг шалгахыг хүссэн бөгөөд судалгааны үр дүн найдвар төрүүлж байна.
Оттавагийн эмнэлэгт өнгөрсөн хугацаанд цуглуулсан ургийн 300 орчим хэт авианы мэдээллийн багцыг ашиглан мэдрэлийн болон бусад хэмжилтийг тооцоолох замаар хэвийн хяналттай харьцуулахад цистийн гигромын тохиолдлыг зөв тодорхойлохын тулд DenseNet загвар ашиглан зургийг шинжилжээ. Зурган дээрх пикселийг дүрсэлдэг градиент ангиллын идэвхжүүлэлтийн дулааны зураглалыг мөн загварыг тайлбарлах чадварыг үнэлэх зорилгоор үүсгэсэн байна. Загварын нийт нарийвчлал 93%-тай байв.
Доктор Уолкер хэлэхдээ "Цөөн тооны сургалтын зурагтай байсан ч загвар нь маш сайн ажиллаж байсан. Тиймээс хэт авианы салбарт бид ижил төстэй хэрэгслийг өндөр чанартай дүрслэн ангилах, таних боломжтой гэдгийг харуулсан" хэмээжээ.
Судалгааны үр дүнг саяхан PLOS ONE сэтгүүлд нийтэлсэн байна. Доктор Уолкер тэргүүтэй судалгааны баг томоохон, олон талт мэдээллийн багц дээр туршилт хийх замаар тэдний аргыг хэт авианы шинжилгээгээр ерөнхийд нь тодорхойлсон ургийн бусад гажигуудад хэрэглэж болно гэж багийнхан үзэж байна.
Доктор Уолкер хэлэхдээ, бүлгийн зорилго нь эх барихын хэт авианы зургийг "үүлэн технологи"-д байршуулах олон улсын консорциумыг бий болгох явдал юм. Мэдээлэл хадгалах, олон тооны хэрэглэгчдэд тооцоолох үйлчилгээ үзүүлэхийн тулд алсын серверийг ашиглах гэсэн үг юм. Энэ нь эцэстээ бага, дунд орлоготой орнуудын эмч нарт үүлэн технологид тулгуурласан тайлбар, оношилгоог идэвхжүүлэхэд тусална.
Доктор Уолкер нь өндөр эрсдэлтэй эх барих эмэгтэйчүүдийн эмч, эмнэлзүйн судлаач бөгөөд Оттавагийн Анагаах ухааны сургуулийн олон улсын байдал, дэлхийн эрүүл мэндийн асуудал эрхэлсэн профессор, дэд декан юм. Тэрээр Канадын эх, нярайн судалгааны хамгийн том байгууллага болох Оттава эмнэлгийн OMNI судалгааны группийг (Эх барих, эх, нярайн судалгаа) үүсгэн байгуулагчдын нэг юм.
Үр дүн: Ургийн хэт авианы мэдээллийн багцыг ашиглан сургасан хиймэл оюун ухааны шинэ алгоритм нь бие давхар эхний гурван сард цистик гидрома хэмээх үр хөврөлийн хөгжлийн ховор эмгэгийг илрүүлэх боломжтой болсон.
Мэдээ бэлтгэсэн: Мэдээллийн технологийн салбар, ЭША, А.Лхагвасүрэн
Эх сурвалж: Оттавагийн их сургууль https://neurosciencenews.com/ai-fetal-development-21053/